投资者情绪对MAX效应的影响分析

苏 刚,刘蕴祺

(东北财经大学金融学院，辽宁 大连 116025)



投资者情绪对MAX效应的影响分析

苏 刚,刘蕴祺

(东北财经大学金融学院，辽宁 大连 116025)

鉴于国内现有文献还没有考察投资者情绪对MAX效应(最大日收益率效应)的影响问题，本文首先用组合价差法验证MAX效应的存在性，然后基于构建出的投资者情绪指数，分别采用组合价差法和Fama-Macbeth回归，考察中国股票市场投资者情绪对MAX效应的影响。我们的经验分析结果显示，中国股票市场中存在明显的MAX效应；MAX效应主要来自于投资者情绪高涨期，在投资者情绪低迷期不存在MAX效应；在投资者情绪高涨期MAX对冲组合的异常收益，既有来自于最高MAX组合的贡献，也有来自于最低MAX组合的贡献。这意味着投资者的乐观情绪引起并放大了MAX效应。

投资者情绪；MAX效应；组合价差法；Fama-Macbeth回归

一、问题的提出

一些研究发现，美国股票市场和欧洲股票市场中存在MAX效应[1-2]，即具有过去较高的最大日收益率(用MAX表示)的股票未来收益显著低于具有过去较低的最大日收益率的股票未来收益。另一些研究发现，投资者情绪可以解释股票截面收益[3-4]，高情绪是投机性股票(如小市值公司、年轻公司和高波动性公司的股票)未来收益的一个显著预测因素，高情绪过后，投机性股票收益相对较低。进一步，Fong和Toh[5]研究发现，MAX效应仅存在于投资者情绪高涨期，且MAX效应主要是由于具有较高MAX的股票未来收益相对较低所导致。

对于中国股票市场，相关研究多集中在投资者情绪及其对股票收益率的影响[6]-[8]，很少涉及MAX效应，仅有的相关研究也只是限于MAX效应的存在性检验，或将MAX作为彩票型股票的识别指标。就我们所知，现有文献还没有考察投资者情绪对MAX效应的影响问题，鉴于此，本文尝试采用组合价差法和Fama-Macbeth回归，考察中国股票市场投资者情绪对MAX效应的影响。

二、文献综述

1.MAX效应的存在性

2.MAX效应的可能解释

第一，彩票理论。Bali等[1]认为，股票截面收益的极端值与高偏度、高特质波动有相同含义，前期具有极端高收益率的股票就像彩票一样，容易受到具有赌博心理的投资者的非理性追捧，造成具有高前期MAX的股票价格被高估，使得其未来收益相对较低。Garrett和Sobel[10]以及Walker和Young[11]认为，股票收益分布中的“小概率、大收益”(偏度)能吸引到众多追逐“暴利”的投机者，尽管明知这种股票的预期收益为负，但是仍然热衷于追逐这种彩票型股票(偏度偏好)，高MAX是彩票型股票的一种特征。Kumar[12]认为，个人投资者会被具有低价格、高特质波动率和高特质偏度等特征的彩票型股票所吸引，高MAX的股票通常具有低价、高特质波动、高偏度的性质，但是这种股票经Fama-French-Cahart四因素模型进行风险调整后的异常收益显著为负。

第二，累计前景理论(Cumulative Prospect Theory)。Tverksy和Kahneman[13]认为，投资者常常采用概率加权的方式来估计股票未来收益，面对小概率收益时投资者的风险态度为风险寻求，因而对于那些在某一日收益率极大而概率极低的股票，投资者往往会过高估计这些股票未来收益。Barber和Odean[14]认为，个人投资者更愿意关注一些吸人眼球的股票，这些股票通常是在某一天日收益率极高或交易量不正常，这种关注效应(attention effect)使得投资者的投机倾向变得更大。

第三，投资者情绪理论。Miller[3]认为，情绪能体现出投资者的投机倾向性，由于市场存在卖空限制，股票价格反映出大部分持有乐观情绪的投资者的观点，因而在投资者情绪高涨期，股票价格就会被高估。Baker和Wurgler[15]认为，投资者情绪也可以反映出投资者对总体股票行情的乐观看法或悲观看法，他们发现投资者情绪与股票截面收益之间存在相关性，投资者情绪高涨会推动小市值、大波动等投机性股票价格大幅上升，投资者情绪高涨之后，这类股票价格大幅下跌导致其收益相对较差。进一步的研究结果显示，很多资产定价异象在情绪高涨期均显著增强，而且多空策略的收益更多来自卖空一侧的收益，这与情绪高涨期股票价格易被高估的趋势相一致。Lee等[16]采用噪声交易模型(DSSW模型)，将投资者情绪对股票收益产生影响分成直接影响和间接影响两个方式。其中，直接影响方式有价格压力效应(price pressure effect)和持有更多效应(hold more effect)，间接影响方式有弗里德曼效应(Friedman effect)和创造空间效应(create space effect)。他们证明，投资者情绪高涨对股票收益产生正向影响，投资者情绪低迷对股票收益产生负向影响。Fong和Toh[5]认为，MAX效应只存在于投资者情绪高涨期，而且这种MAX效应主要是由于具有高MAX的股票在未来一段时期内收益率表现不好所导致的，即在投资者情绪较高涨时，股票价格被过高估价。

国内相关研究多集中在投资者情绪及其对股票收益率的影响。郑振龙和孙清泉[17]用低股价、高历史日收益率和换手率三个指标对彩票型股票进行识别，发现中国股票市场上的彩票型股票具有相对较低的未来收益。崔惠颖[18]利用股价、特质偏度、特质波动率、MAX、换手率和预期特质偏度六种博彩型股票识别指标及其二种复合指标，考察中国股票市场中彩票型股票的识别问题，发现MAX是最优的识别指标。刘仁和和陈柳钦[19]认为，中国股票市场中的投资者情绪对中国股票市场的收益有着显著的影响，投资者情绪对股票未来收益具有一定的预测效果。庄新田和池丽旭[20]利用2003—2008年的样本数据，实证研究发现投资者情绪与股票收益率的波动呈正相关关系，投资者情绪与公司规模呈负相关关系。段江娇等[21]认为，当投资者情绪高涨时，反映股票价格的信息会反映过度，从而使得股票价格被高估，一旦当股票价格回归股票价值时，股票的收益率就会明显下降。

综上所述，对于中国股票市场，现有的相关研究很少有涉及MAX效应，仅有的相关研究也只是限于MAX效应的存在性检验，或将MAX作为彩票型股票的识别指标。就我们所知，现有文献还没有考察投资者情绪对MAX效应的影响问题，鉴于此，本文尝试采用组合价差法和Fama-Macbeth回归[22]，考察中国股票市场投资者情绪对MAX效应的影响。

图5为不同读者类型（研究生、本专科生等）借阅册次变化趋势，图中的本专科生、研究生、教职工借阅册次变化趋势基本与借阅人数变化趋势保持一致，但全英语实验班的借阅册次在2016年的借阅册次小于劳务派遣员工借阅册次，这与借阅人数变化趋势并未保持一致，因此借阅人数结合借阅册次结合分析才可以更准确地得到借阅需求的变化，进一步为采访工作做出指导。

三、经验分析

1.数据来源

本文用沪深两市所有A股股票日收益率数据计算个股的最大日收益率MAX，用个股月度收益率、无风险利率和股票总市值计算组合的超额收益率，用Fama-French三因素(MKT、SMB和HML)估计组合的异常收益率，这部分原始数据来源于国泰安数据库(CSMAR)。本文用封闭式基金折价率、新增投资者开户数、IPO数量、IPO首日收益率、沪深A股股票市场换手率和消费者信心指数构造投资者情绪指标，这部分原始数据来源于Wind资讯数据库。选择样本期间为2001年6月至2015年6月。

为了避免异常数据对经验分析结果的影响，我们剔除了样本期间每月交易天数小于15天的个股，以及涨幅超过10%的个股。

2.采用组合价差法检验MAX效应

首先，采用Bali等[1]的方法，用个股在过去一个月内的日收益率数据计算最大日收益率MAX；然后，根据MAX的值对个股从低到高进行排序，并按十等分将所有个股分成10个组合，分别用M1、M2、...M10表示；最后，用市值加权平均法统计每个组合在未来一个月的超额收益率(组合收益率减去无风险收益率)，计算最高MAX组合M10与最低MAX组合M1之间的组合差价，用Fama-French三因素模型回归得到每个MAX组合和MAX对冲组合(M10-M1)的异常收益率，其结果如表1所示。

表1显示，最低MAX组合M1和最高MAX组合M10的平均超额收益率分别为0.73%和-0.04%，最高MAX组合M10与最低MAX组合M1之间的组合差价为-0.76%，其t值为-1.77，表明在10%水平下组合价差显著小于零。基于Fama-French三因素模型，最低MAX组合M1和最高MAX组合M10的异常收益率分别为0.10%和-1.10%(t值分别为0.38和-3.80)，说明最低MAX组合M1没有显著的异常收益，最高MAX组合M10具有显著的负异常收益。进一步的计算结果显示，MAX对冲组合M10-M1具有非常显著的负异常收益率为-1.20%。因此，无论看超额收益率还是看异常收益率，与最低MAX组合M1相比，最高MAX组合M10都具有显著低的负收益。因此，我们可以认为中国股票市场中存在明显的MAX效应。

表1 MAX效应的检验结果

注：*、**和***分别表示在10%、5%和1%水平下显著。

3.构建投资者情绪指数

借鉴Baker和Wurgler构建投资者情绪综合指标的方法，选取封闭式基金折价率、新增投资者开户数、IPO数量、IPO首日收益率、沪深A股股票市场换手率和消费者信心指数这六项情绪指标，运用主成分分析法构造中国股票市场的投资者情绪ISI。限于篇幅，我们将构建投资者情绪指数的具体步骤省略。

通过比对构建出的投资者情绪指数ISI与上证综合指数SZZS，发现两者之间有较强的相关性，如图1所示。图1显示，投资者情绪指数ISI与上证综合指数SZZS的变化趋势基本一致，上证综合指数上涨伴随着投资者情绪指数的上升，上证综合指数下跌伴随着投资者情绪指数的下降。在2006—2007年中国股票市场爆涨期间，投资者情绪指数也保持了高涨态势，之后2008年股票价格快速回落，投资者情绪指数也迅速下降。因此，我们认为本文构建出的投资者情绪指数ISI能够较好地反映中国股票市场投资者情绪的变化。

图1 投资者情绪指数ISI与上证综合指数SZZS

基于构建出的投资者情绪指数ISI的高低，我们借鉴Stambaugh和Yuan[4]的方法，将样本期间划分为投资者情绪高涨期和投资者情绪低迷期。具体地，我们将样本期间投资者情绪指数ISI高于或等于其中位数的月份划分为高投资者情绪月份，归为投资者情绪高涨期；将样本期间投资者情绪指数ISI低于其中位数的月份划分为低投资者情绪月份，归为投资者情绪低迷期。在此基础上，我们采用组合差价法分别考察投资者情绪高涨期和投资者情绪低迷期MAX效应的表现，分析其是否存在显著差异。另外，我们定义一个表示投资者情绪的虚拟变量DISI，在高投资者情绪月份给DISI赋值为1，在低投资者情绪月份给DISI赋值为0，采用Fama-Macbeth回归[22]考察投资者情绪对MAX效应的影响。

4.投资者情绪对MAX效应的影响分析：分期间考察

我们采用组合差价方法，分别在投资者情绪高涨期和投资者情绪低迷期计算和估计MAX组合和MAX对冲组合的超额收益率和异常收益率，具体结果如表2所示。

表2 投资者情绪高涨期、低迷期MAX组合的超额收益率和异常收益率

注：**和***分别表示在5%和1%水平下显著。

表2中左半部分结果显示，投资者情绪高涨期最高MAX组合M10的平均超额收益率为0.28%，最低MAX组合M1的平均超额收益率为1.83%，MAX对冲组合M10-M1的平均超额收益率为-1.55%(t值为-2.35)，在5%显著性水平下显著小于零。这说明投资者情绪高涨期中国股票市场存在明显的MAX效应。与全样本期间的超额收益率(如表1所示)相比，投资者情绪高涨期MAX效应是其两倍之多。用异常收益率考察，也可以得到这样的结果。投资者情绪高涨期MAX对冲组合M10-M1的异常收益率为-2.45%(t值为-4.66)，是全样本期间MAX对冲组合M10-M1的异常收益率(-1.20%)的两倍之多。

表2中右半部分结果显示，投资者情绪低迷期最高MAX组合M10和最低MAX组合M1的平均超额收益率分别为-0.19%和-0.26%，统计上看这两个超额收益率与零无异。投资者情绪低迷期MAX对冲组合M10-M1的平均超额收益率为0.07%(t值为0.14)，异常收益率也显示统计上与零无异。这说明MAX效应在投资者情绪低迷期不存在。

综合投资者情绪高涨期和投资者情绪低迷期MAX对冲组合的收益情况，再与全样本期间MAX对冲组合收益进行比较，我们可以得到如下结论：(1)中国股票市场中MAX效应主要表现在投资者情绪高涨期，投资者情绪低迷期MAX效应不存在。(2)投资者情绪高涨期MAX对冲组合的异常收益，既有来自于最高MAX组合的贡献(大约为62%)，也有来自于最低MAX组合的贡献(大约为38%)。

5.投资者情绪对MAX效应的影响分析：基于Fama-Macbeth回归

采用组合价差法对MAX效应进行分析有其优点——非参数性，即不需要建立任何函数关系对其系数进行估计。当然，组合价差法也有其缺点，会弱化数据中所包含的一些特有信息。为此，我们再用Fama-Macbeth回归[22]考察投资者情绪对MAX效应的影响。

本文采用的Fama-Macbeth回归基于如下模型：

(1)

其中，Ri,t表示股票i在t月的超额收益率，MAXi,t-1表示股票i在t-1月中的最大日收益率，DISIt-1表示t-1月投资者情绪虚拟变量，MAXi,t-1×DISIt-1表示最大日收益率与投资者情绪的交叉项，βt表示由Fama-French三个风险因素(MKT、SMB、HML)组成的向量。除虚拟变量DISIt-1外，其他变量都进行了标准化处理，即使得每个变量在样本期间均值为0、方差为1，以此增加每个变量的解释效果。

采用Fama-Macbeth回归估计方程(1)及其简单形式I，结果如表3所示。

表3 Fama-Macbeth截面回归的估计值与统计量

注：括号内为系数的t值；*、**和***分别表示在10%、5%和1%水平下显著。

从表3可以看出，形式I的估计结果显示，只加入唯一自变量MAX时，其系数估计值的均值为-0.13，统计上显著为负，说明上个月的最大日收益率MAX与股票未来收益率呈显著的负相关关系，进一步验证了中国股票市场中存在MAX效应。形式II的估计结果显示，再加入其他自变量之后，MAX系数的绝对值相对变小，但显著性水平并没有明显下降，说明MAX效应仍然存在。表示投资者情绪的虚拟变量DISI的系数估计值平均为-0.04，其在5%水平下显著，说明上个月投资者情绪与股票未来收益率呈显著的负相关关系，即上个月投资者情绪越高，下个月股票收益率就有可能越低；上个月投资者情绪越低，下个月股票收益率就有可能越高。

最大日收益率与投资者情绪的交叉项MAX×DISI系数估计值平均为-0.01，其在1%水平下显著，同样与股票收益率呈负相关关系。由于MAX×DISI系数的平均值与MAX系数的平均值符号方向相同，说明MAX×DISI会加大MAX对股票收益率的影响效果，即投资者情绪会扩大最大日收益率MAX对股票收益率的影响。

四、结 论

基于2001年6月至2015年6月中国A股相关数据，本文首先验证了中国股票市场中存在MAX效应，然后采用构建出的投资者情绪指数ISI，考察了投资者情绪对MAX效应的影响。我们的经验分析结果显示：

第一，中国A股股票市场中存在明显的MAX效应。最高MAX组合的超额收益率和异常收益率显著低于最低MAX组合的超额收益率和异常收益率，MAX对冲组合的超额收益率和异常收益率显著为负，说明MAX效应存在。

第二，中国股票市场中的MAX效应主要来自于投资者情绪高涨期，在投资者情绪低迷期不存在MAX效应。投资者情绪高涨期MAX对冲组合的异常收益，既有来自于最高MAX组合的贡献，也有来自于最低MAX组合的贡献。

第三，投资者情绪高涨期MAX对冲组合的超额收益率和异常收益率是全样本期间MAX对冲组合的超额收益率和异常收益率的两倍之多，这意味着投资者的乐观情绪引起并放大了中国股票市场中的MAX效应。

[1] Bali, T.G., Cakici, N., Whitelaw, R.F. Maxing out: Stocks as Lotteries and the Cross-Section of Expected Returns[J]. Journal of Financial Economics,2011, 99(2): 427-446.

[2] Walkshäusl, C. The MAX Effect: European Evidence[J]. Journal of Banking & Finance, 2014, 42(5): 1-10.

[3] Miller, E.M. Risk, Uncertainty and the Divergence of Opinion[J].The Journal of Finance, 1977, 32(4): 23-51.

[4] Stambaugh, Y. J., Yuan, Y. The Short of It: Investor Sentiment and Anomalies[J]. Journal of Financial Economics, 2012, 104(2): 288-302.

[5] Fong, W.M., Toh, B. Investor Sentiment and the MAX Effect[J]. Journal of Banking & Finance, 2014, 46(3): 190-201.

[6] 王美今，孙建军. 中国股市收益、收益波动与投资者情绪[J]. 经济研究, 2014,(10)：75-83.

[7] 伍燕然，韩立岩. 不完全理性、投资者情绪与封闭式基金之谜[J]. 经济研究，2007,(3):117-129.

[8] 易志高，茅宁.中国股市投资者情绪测量研究：CICSI的构建[J].金融研究,2009,(11):174-184.

[9] 江曙霞，陈青. 赌博特征股票的收益预测及解释[J].财贸研究, 2013,(3) : 99- 107.

[10] Garrett, T.A., Sobel, R.S. Gamblers Favor Skewness, not Risk: Further Evidence From United States’ Lottery Games[J]. Economics Letters, 1999,63(1): 85-90.

[11] Walker, I., Young, J. An Economist’s Guide to Lottery Design[J]. The Economic Journal, 2001,111(475): 700-722.

[12] Kumar, A. Who Gambles in the Stock Market? [J].The Journal of Finance, 2009,64(4): 1889-1933.

[13] Tverksy, A., Kahneman, D. Advance in Prospect Theory: Cumulative Representation of Uncertainty[J]. Journal of Risk and Uncertainty, 1992,5(4): 297-323.

[14] Barber, B.M., Odean, T. All that Glitters: The Effect of Attention on the Buyingbehavior of Individual and Institutional Investors[J]. Review of Financial Studies, 2008,21(2): 785-818.

[15] Baker,M., Wurgler, J. Investor Sentiment and the Cross-Section of Stock Returns[J]. The Journal of Finance,2006,61(4): 1645-1680.

[16] Lee, Y.W., Jiang, X.C., Indro, C.D. Stock Market Volatility, Excess Returns, and the Role of Investor Sentiment[J]. Journal of Banking & Finance, 2002,26(12): 2277-2299.

[17] 郑振龙，孙清泉. 彩票类股票交易行为分析: 来自中国A 股市场的证据[J]. 经济研究, 2013,(5): 128-140.

[18] 崔惠颖. 博彩性股票的市场特征——来自中国股市的经验证据[J]. 东北财经大学学报, 2016,(3): 56-64.

[19] 刘仁和，陈柳钦. 中国股权溢价之谜的检验——Hansen-Jagannathan方法的应用[J]. 财经理论与实践, 2005,(5): 79-83.

[20] 庄新田, 池丽旭. 中国证券市场的投资者情绪研究[J]. 管理科学, 2010,(3): 79-87.

[21] 段江娇，刘红忠，曾剑平. 投资者情绪指数、分析师推荐指数与股指收益率的影响研究[J].上海金融, 2014,(11): 60-64.

[22] Fama, E.F., Macbeth, J.D. Risk and Return: Some Empirical Tests[J]. Journal of Political Economy, 1973,81(3): 607-636.

(责任编辑：韩淑丽)

2017-06-16

辽宁省社会科学规划基金项目“金融冲击、企业分散度与经济风险分析”(L15CJY005)

苏 刚(1970-)，男，辽宁抚顺人，博士研究生，高级会计师，主要从事证券及财务管理等方面的研究。E-mail：sugang0530@vip.sina.com 刘蕴祺(1991-)，女，辽宁沈阳人，硕士研究生，主要从事金融工程研究。E-mail：liuyunqia@163.com

F830

A

1008-4096(2017)04-0077-06